Evaluasi Performa Perceptron dan Adaline Pada Klasifikasi Angka Partisipasi Sekolah di Indonesia
Jurnal Manajemen, Pendidikan Dan Ilmu Komputer · 2025
DOI: 10.65309/rtnta586 ↗At a glance
Journal article in Jurnal Manajemen, Pendidikan Dan Ilmu Komputer, 2025. Written by Nurhafizah Yazid and 1 co-authors. The full text is freely available (open access, CC BY-NC-SA 4.0).
Abstract (original language)
Penelitian ini mengevaluasi performa Perceptron dan Adaline dalam mengklasifikasikan data Angka Partisipasi Sekolah (APS) di Indonesia. Data APS yang digunakan diperoleh dari Badan Pusat Statistik (BPS), mencakup 38 provinsi dan kelompok usia 16–18 tahun selama periode 2021–2024. Setelah melalui proses normalisasi, data dilatih menggunakan Perceptron yang mengandalkan fungsi aktivasi biner, serta Adaline yang memanfaatkan fungsi aktivasi linier dengan optimasi berbasis Mean Squared Error (MSE). Hasil pengujian menunjukkan bahwa Adaline mampu mencapai akurasi 86,84% dalam satu epoch, sementara Perceptron mencapai akurasi 84,21% setelah dua epoch. Temuan ini mengindikasikan bahwa Adaline lebih efisien dan lebih akurat dalam memproses data APS yang telah dinormalisasi. Penelitian ini memberikan kontribusi dalam pengembangan teknik klasifikasi data pendidikan, yang dapat dimanfaatkan sebagai dasar untuk perumusan kebijakan pendidikan yang lebih tepat sasaran.
Cite
APA
Yazid, N., & Ismail, J. (2025). Evaluasi Performa Perceptron dan Adaline Pada Klasifikasi Angka Partisipasi Sekolah di Indonesia. Jurnal Manajemen, Pendidikan Dan Ilmu Komputer. https://doi.org/10.65309/rtnta586
Vancouver
Yazid N, Ismail J. Evaluasi Performa Perceptron dan Adaline Pada Klasifikasi Angka Partisipasi Sekolah di Indonesia. Jurnal Manajemen, Pendidikan Dan Ilmu Komputer. 2025. doi:10.65309/rtnta586
BibTeX
@article{Yazid2025,
author = {Yazid, Nurhafizah and Ismail, Juni},
title = {Evaluasi Performa Perceptron dan Adaline Pada Klasifikasi Angka Partisipasi Sekolah di Indonesia},
journal = {Jurnal Manajemen, Pendidikan Dan Ilmu Komputer},
year = {2025},
doi = {10.65309/rtnta586}
}
EUVIMED